基于机器学习算法的2型糖尿病患者3个月血糖预测

摘要：

目的 评价Logistic回归算法和随机森林算法对2型糖尿病患者3个月后血糖控制情况的预测效果,并探究血糖控制的影响因素.方法 收集顺义、通州区2型糖尿病患者的基线调查和随访信息,以患者3个月后糖化血红蛋白是否大于6.5％作为结局分类变量,使用随机森林算法和Logistic算法建立预测模型,通过受试者工作特征曲线下面积(area under the curve,AUC)、灵敏度等指标比较预测效果.结果 患者血糖控制效果的影响因素有基线空腹血糖(P＜0.001)、病程(P＜0.001)、吸烟(P=0.026)、静态活动时间(P=0.006)、体重指数(超重P=0.002,肥胖P=0.011)、手环使用(P=0.028)和糖尿病饮食(P=0.002)7个因素;Logistic回归预测模型的AUC为0.738,灵敏度为72.9％,特异度68.1％,准确率71.2％,随机森林模型的AUC为0.756,灵敏度74.5％,特异度69.5％,准确率72.8％.结论 随机森林算法预测效果优于Logistic回归预测模型,可应用于血糖控制效果预测,辅助糖尿病患者的管理.

关键词：2型糖尿病、分类预测、随机森林算法、Logistic回归算法

所属期刊栏目：23

分类号：R587.1;TP181(内分泌腺疾病及代谢病)

资助基金：国家自然科学基金71673009

在线出版日期：2019-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1313-1317